集中治療室での滞在期間を予測するためのリアルタイム信号ベースの波紋長短期記憶法:開発と評価研究

科学分野:

• 生物医学情報学
• 医療における人工知能
• クリティカル ケア 医療

背景:

• 医療資源の効率的な配分は 病院の運営と財政的負担の軽減に不可欠です
• 効果的な集中治療室 (ICU) の管理は,患者の滞在期間 (LOS) の正確な予測に依存しています.
• 早期にリアルタイムでLOSを予測することは 集中治療施設では大きな課題です

研究 の 目的:

• ICUの滞在期間を予測するための新しい予測モデルであるWavelet Long-Short-Term Memory (WT-LSTM) を開発する.
• 予測のためにリアルタイムの生命徴候データのみを使用し,人口統計データや歴史データがない緊急ケアシナリオで適用することができます.
• 患者のリアルタイムモニタリングを活用して早期に正確なLOS予測を提供すること.

主な方法:

• 長期短期記憶 (LSTM) のニューラルネットワークと統合された離散波束変換 (DWT).
• 予測の精度を高めるために,生命信号の時間系列からノイズをフィルターするためにDWTを使用します.
• 10つの一般的なICU入院診断に焦点を当てて,eICUデータベースのモデルパフォーマンスを評価しました.

主要な成果:

• WT-LSTMモデルは,ICU LOSの予測において,ベースラインモデル (線形回帰,LSTM,BiLSTM) を一貫して上回りました.
• 波形変換はWT-LSTMの性能を大幅に改善し,平均平方誤差を3.3%削減しました.
• このモデルは,短い入力データウィンドウ (3-24時間) を使用して,APACHE IVのような既存の臨床システムを上回る強力な予測能力を実証しました.

結論:

• WT-LSTMモデルは,リアルタイムの生命体信号を用いたICU LOS予測に高度に正確で適応可能なソリューションを提供します.
• WT-LSTMの早期予測能力は,ICUでの臨床実践とリソース最適化を大幅に改善することができます.
• このモデルは,重要な臨床的,管理的決定を支援し,総合的なICU管理と運用効率を改善します.